问题描述
现在我在fintech领域做信用违约预测，是一个二元分类任务，因为模型的可解释性是必须的，所以不能直接用black Box-like:ANN。
有过这样的想法，不知道可不可行，希望大家给点建议。
逻辑回归是信用评分中经典的二元分类算法，我们可以从sigmoid函数中得到概率，但是概率和标签中存在一些残差，比如label:{0 for non-default,1 for default}，如果逻辑回归输出概率为0.7，其标签为1 ，则残差为1-0.7=0.3，意味着原始概率(0.7)加上残差(0.3)可以得到更多接近1得到真正的标签。然后我使用神经网络来拟合LogReg概率和真实标签之间的残差，以提高Logistic回归的性能。
所以predict_proba = log_reg_proba + residual_estimate_from_nn;
可行吗？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）